导读:本文包含了缺失数据论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:缺失,数据,径流,机制,智能,大数,系统。
缺失数据论文文献综述
高天杭,崔先强,王勋[1]（2019）在《数据缺失情况下BDS定位性能分析》一文中研究指出针对观测数据的缺失会影响数据处理效果、降低定位精度的问题,该文为了探明缺失数据是如何影响定位,进行静态定位实验分析3类卫星对定位误差的影响,进行动态定位实验测试了在缺失数据的真实情况下北斗卫星系统的定位性能。静态实验结果表明,在伪距单点定位中缺失GEO卫星时叁维点位精度下降了85%,在缺失IGSO时定位精度下降了43.8%,缺失MEO卫星时定位精度下降了6%,在载波相位定位中缺失3类卫星数据对定位精度虽然也有影响,但不如伪距定位的影响大。在动态实验中发现在无遮挡的环境中,BDS定位精度不受影响,且定位精度较高,可与GPS相媲美;在遮挡的环境中,GPS和BDS都出现了信号质量下降的情况,BDS数据缺失比GPS严重,缺失严重时定位出现较大的误差,结果不可靠。(本文来源于《测绘科学》期刊2019年12期）
邓建新,单路宝,贺德强,唐锐[2]（2019）在《缺失数据的处理方法及其发展趋势》一文中研究指出文章介绍了数据缺失的现象、概念、出现的领域以及产生的原因,总结了数据缺失机制和数据缺失模式;综述了目前缺失数据常用的处理方法:加权法、删除法、统计学插补法以及机器学习插补法,并综合比较了各种方法的适用范围和优缺点;最后提出了针对高维数据的缺失处理、复合缺失数据特征的处理、新领域的缺失数据处理将是未来缺失数据处理方法的研究方向。(本文来源于《统计与决策》期刊2019年23期）
衡明莉,陈丽嫦,王骏[3]（2019）在《临床试验中缺失数据处理方法研究》一文中研究指出临床试验中会因各种原因导致数据缺失。数据缺失会引入潜在偏倚,不恰当的缺失数据处理方法将引入更多的偏倚。本文就当前常见的缺失数据处理方法进行介绍,以期为相关人员在处理缺失数据时提供参考。(本文来源于《中国临床药理学杂志》期刊2019年22期）
项程,陈艾荣,李其恒,马如进[4]（2019）在《基本风速预测中缺失历史数据的修订方法》一文中研究指出基本风速预测及制定中,经常会碰到历史数据的缺失现象,从而带来有效数据量少、风速预测效率不高的问题。为了尽可能避免这一现象带来的影响,对缺失历史数据进行修订是一个十分重要的环节。提出了基本风速预测中缺失数据的修订方法。统计了各气象台站的最大风速数据缺失率,介绍了目前采用的数据修订方法。根据数据缺失的特点及关注的对象,选用多重填补法对缺失的数据进行修订,并详细介绍了该方法的填补步骤。选用两个具体填补算例对日最大风速值数据修订进行说明,并用极值Ⅰ型概率模型对比了填补前后数据预测百年一遇风速的效果。结果表明,利用经缺失数据填补后的风速数据文件得到的历年最大风速序列,可以有效改善由于数据记录缺失造成的年最大风速值的遗漏,更好地预测基本风速。(本文来源于《南京工业大学学报(自然科学版)》期刊2019年06期）
张婷,张德干,高瑾馨[5]（2019）在《面向智能车联网的缺失数据估计新方法》一文中研究指出数据丢失是面对智能车联网中的一个常见问题。鉴于此,考虑了大型和多样化车联网中的缺失数据问题。通过在智能车联网中提取公共交通模式,比较了函数估计和张量分解等方法来估计这些缺失值的优劣后,提出了张量低秩近似估计新方法,该方法在缺失数据的情况下获得流量模式,得到大规模车联路网的低秩表示。通过不同的道路车联网实验测试,表明该新方法的估计精度、数据集的偏差达到了较好的效果。(本文来源于《计算机应用研究》期刊2019年11期）
孙晓丽,郭艳,李宁,宋晓祥[6]（2019）在《基于改进RNN的多变量时间序列缺失数据填充算法》一文中研究指出随着大数据时代的来临,多变量时间序列的应用价值得到了越来越多的关注。然而,缺失数据的存在严重影响了对多变量时间序列的进一步开发利用。针对这个问题,提出了基于改进递归神经网络的多变量缺失数据填充算法,该算法通过衰减机制可以获得更多有用的隐藏信息,从而更好地完成对多变量缺失数据的填充。首先,对多变量数据进行预处理,得到网络的输入向量;其次,在长短时记忆(Long-Short-Term Memory,LSTM)单元的基础上引入衰减机制,提出了两种改进的缺失数据填充模型。改进后的模型能够更多更好地获取长时间间隔的隐藏信息,并对输入进行相应的衰减处理。为检验算法的性能,在上海空气质量数据集以及多传感器数据融合活动识别系统(Activity Recognition system based on Multisensor data fusion,ARe M)数据集上进行了仿真实验。结果表明,相比于其他算法,所提算法能够更好地实现多变量时间序列的缺失数据填充。(本文来源于《信息技术与网络安全》期刊2019年11期）
岳廷妍,张昱勤,李晓松,马越,张韬[7]（2019）在《数据缺失机制识别及处理的标准化流程及集成系统》一文中研究指出目的提出数据缺失机制识别及处理的标准化操作流程,并开发相应集成系统,为非统计专业背景的医学工作者处理缺失数据提供恰当、专业且简便的实现工具。方法系统集成了完成者数据集法、K最近邻分类算法和链式方程多元插值法等缺失数据处理方法,并将其归纳到缺失机制识别及处理的统一框架下,为缺失数据处理提供了从缺失统计,缺失机制识别到缺失处理的标准化流程。结果将归纳的标准化流程分步骤开发为缺失统计、缺失识别、缺失处理等功能模块并进行了集成化,构建了缺失机制识别及处理集成系统。结论标准化操作流程及集成系统实现了缺失机制识别加缺失数据处理全过程,操作方式简单便捷,结果展示直观易懂,为缺失数据的处理提供了更为简便可行的选择,便于医学工作者实际应用。(本文来源于《现代预防医学》期刊2019年21期）
王国波,郭林青,徐连胜[8]（2019）在《数据缺失下基于单位线的流量模拟应用》一文中研究指出针对降雨径流模拟过程中的数据缺失现状,基于不同雨型的数据缺失特征构建不同的数据缺失模式,采用不同的插值方法构建单位线,探讨不同缺失模式下的单位线推广应用。结果表明,采用不同插补方法构建得到单位线的末端拟合效果较好,对峰值的插补效果不佳。不同雨型插补后的峰值位置存在偏离现象,基于峰值偏离现象和单位线倍加原理得到单位线峰值后在进行插补得到单位线的拟合效果较好,为无资料地区的降雨径流模拟和农业非点源评估模拟提供了新的理论思考,具有较好的推广意义。(本文来源于《中国农学通报》期刊2019年30期）
李田英[9]（2019）在《基于大数据分析的网络资源缺失信息碎片智能识别方法》一文中研究指出针对传统网络资源缺失信息碎片识别方法中识别准确度较低、完成时间较长、能量消耗较大等问题,提出一种基于大数据分析的网络资源缺失信息碎片识别方法。通过对网络资源信息分析,利用非线性时间序列对网络资源不完整信息进行相空间重建,引入关联维数对网络资源不完整信息特征提取;考虑到不完整信息特征中缺失信息碎片对信息类别的贡献度,利用信息熵来衡量缺失信息碎片之间的差异,利用以BP神经网络为基础的集成分类器对缺失信息碎片分类,完成缺失信息碎片识别。结果表明,所提方法识别准确度较高、完成时间较短、能量消耗较小。(本文来源于《山东农业大学学报(自然科学版)》期刊2019年05期）
苗旭,王忠宇,邹亚杰,吴兵[10]（2019）在《改进的固定交通检测器缺失数据综合修复方法》一文中研究指出基于检测器数据的时空相关性,为缺失数据修复模型动态地选择解释变量,在综合考虑检测器数据的周期性趋势和实时变化特性的基础上,提出了一种改进的缺失数据修复方法.对上海市南北高架的线圈流量数据进行数据修复精度测试.结果表明,相较于传统的支持向量回归(SVR)模型,该方法在3个测试检测器上的数据修复平均绝对误差分别减小了3.80%、3.40%、25.23%,并且在数据连续缺失1～10个时平均绝对百分比误差均低于6%.(本文来源于《同济大学学报(自然科学版)》期刊2019年10期）
缺失数据论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
文章介绍了数据缺失的现象、概念、出现的领域以及产生的原因,总结了数据缺失机制和数据缺失模式;综述了目前缺失数据常用的处理方法:加权法、删除法、统计学插补法以及机器学习插补法,并综合比较了各种方法的适用范围和优缺点;最后提出了针对高维数据的缺失处理、复合缺失数据特征的处理、新领域的缺失数据处理将是未来缺失数据处理方法的研究方向。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
缺失数据论文参考文献
[1].高天杭,崔先强,王勋.数据缺失情况下BDS定位性能分析[J].测绘科学.2019
[2].邓建新,单路宝,贺德强,唐锐.缺失数据的处理方法及其发展趋势[J].统计与决策.2019
[3].衡明莉,陈丽嫦,王骏.临床试验中缺失数据处理方法研究[J].中国临床药理学杂志.2019
[4].项程,陈艾荣,李其恒,马如进.基本风速预测中缺失历史数据的修订方法[J].南京工业大学学报(自然科学版).2019
[5].张婷,张德干,高瑾馨.面向智能车联网的缺失数据估计新方法[J].计算机应用研究.2019
[6].孙晓丽,郭艳,李宁,宋晓祥.基于改进RNN的多变量时间序列缺失数据填充算法[J].信息技术与网络安全.2019
[7].岳廷妍,张昱勤,李晓松,马越,张韬.数据缺失机制识别及处理的标准化流程及集成系统[J].现代预防医学.2019
[8].王国波,郭林青,徐连胜.数据缺失下基于单位线的流量模拟应用[J].中国农学通报.2019
[9].李田英.基于大数据分析的网络资源缺失信息碎片智能识别方法[J].山东农业大学学报(自然科学版).2019
[10].苗旭,王忠宇,邹亚杰,吴兵.改进的固定交通检测器缺失数据综合修复方法[J].同济大学学报(自然科学版).2019
论文知识图
